公共文化服务平台

基于VMD和优化CNN⁃GRU的锂电池剩余使用寿命间接预测被引量：3: 2024年; 准确预测锂电池的剩余使用寿命(RUL)对降低电池使用风险有着至关重要的作用。为了解决电池容量在实际应用中不易获得以及单一门控循环神经网络(GRU)不能有效提取数据间的深层特征等问题,提出一种基于间接健康因子的混合神经网络模型,即融合变分模态分解(VMD)、一维卷积神经网络(1D‐CNN)和麻雀搜索算法(SSA)优化GRU的组合剩余使用寿命预测模型。采用NASA数据集验证所提模型的有效性,实验结果表明,相比于GRU、VMD‐GRU、VMD‐SSA‐GRU,所提模型具有较高的预测精度与更快的运行速度,可以应用于锂电池RUL预测。; 徐达王海瑞朱贵富; 关键词：锂电池

无人机远程通信高密度集成电磁干扰抑制技术: 2024年; 在高密度集成电磁干扰环境中,为增强无人机远程通信的信息可靠性与有效性,文中研究无人机远程通信高密度集成电磁干扰抑制技术。估算无人机远程通信网络中高密度集成电磁干扰信号能量,并通过自适应波束形成实现电磁干扰抑制。在入射信号动态变化时,自适应调节权重系数,形成高密度集成电磁干扰信号抑制波束,并引入基于相位补偿的抗扰波束指向优化控制方法,来控制频率跳变对电磁干扰信号抗扰波束指向的负面影响,优化电磁干扰抑制效果。测试结果显示,使用此技术后,无人机远程通信网络的信息传输误比特率从0.1降为0.02,信息可靠性与有效性得到了提升。; 程佳敏李亚朱贵富; 关键词：无人机远程通信电磁干扰抑制自适应波束形成波束指向

基于SRCC与Bayes_KNN的涡扇发动机剩余使用寿命预测: 2024年; 利用斯皮尔曼秩相关系数(SRCC)、贝叶斯(Bayesian)、k最近邻(KNN)算法提出了一种新的航空发动机剩余使用寿命预测方法。为解决关键特征提取不足问题,首先,利用SRCC方法对发动机的历史多元监测特征进行筛选,提取出衰退性能趋势明显的监测特征作为预测模型的输入;其次,构建了基于欧式距离的k最近邻回归预测模型,利用贝叶斯更新公式对KNN中的超参数模型进行训练,求解目标函数并返回训练模型最优超参数值与最小均方根误差;最后,推导航空发动机剩余使用寿命(RUL)概率密度函数解析式,得到发动机RUL预测结果。采用CMAPSS数据集验证所提方法的有效性,结果表明,与其他预测方法相比该方法具有更优的预测性能,有效提升了发动机RUL预测的精确度。; 李东君王海瑞李亚朱贵富; 关键词：涡扇发动机贝叶斯优化算法

分块DPCM与5/3整数小波变换结合的天文图像无损压缩被引量：1: 2011年; 针对海量的天文图像数据与有限的存储空间和带宽资源之间矛盾日益突出这一问题,提出一种无损压缩方法,首先将超大天文图像分块,再使用差分脉冲编码调制和5/3整数小波变换,最后使用霍夫曼算法编码。对该方法的原理和具体实现做了详细的分析与介绍,通过实验验证该方法比天文中常用的tar、PKZip、WinZip、WinRar软件在压缩比上分别提高了30%、29%、26%、2%,压缩速度远大于WinZip和WinRar;且该算法实现简单,适合硬件实现和利于并行处理。; 朱贵富邓辉王锋季凯帆; 关键词：图像分块

基于MIC特征提取与BO-CatBoost的航空发动机RUL预测被引量：3: 2024年; 针对航空发动机传感器监测的退化参数提取困难,易受噪声干扰及发动机剩余使用寿命预测精度不足等问题,利用最大信息系数、贝叶斯优化算法和类别特征梯度提升算法,提出了一种新的发动机剩余使用寿命预测模型。首先,为有效解决特征提取不足的问题,对采集的传感器历史监测特征进行最大信息系数相关性计算,提取出对发动机寿命运行周期影响较大的关键退化特征。其次,为解决剩余使用寿命预测中的梯度偏差及预测偏移问题,使用基于贝叶斯优化的类别特征梯度提升方法对航空发动机进行剩余使用寿命预测。最后,在美国航空航天局提供的商用模块化航空推进系统仿真数据集上进行实验,结果表明所提预测方法的性能较好,验证了该方法的有效性。; 李东君李亚李东文朱贵富; 关键词：航空发动机 MIC

一种神经网络的多方向GWO优化方法: 2025年; 针对标准的GWO算法不稳定性和表现性能不佳问题,本文从多个方向提出优化路径.首先,为灰狼群体中增加最优解、候选狼群定义步长、候选狼群步长的权值进行优化、以及各优化方向相结合,对标准GWO算法进行优化改进,总共形成8种优化算法;然后将优化算法融入RNN、MLP和CMLP 3种神经网络中,总共构成24种预测模型;最后通过公共数据集进行了240次测试,结果表明,不同方向的优化可以提高各个神经网络预测模型的准确率及稳定性,具有更好的实用性.; 张晓丽闻俊朱贵富许诺聂佳磊杨璨; 关键词：神经网络

天文图像无损压缩算法研究与实现: 随着CCD技术的进步和发展,天文图像越来越大,海量的天文图像数据给存储和网络传输带来巨大压力,由于天文图像包含的大量精细信息对天文研究相当宝贵,因此需要对它们进行无损压缩。目前天文图像的无损压缩大都采用通用的压缩软件,效...; 朱贵富; 关键词：DPCM 整数小波变换分块; 文献传递

高校慕课教学效果的统计分析被引量：7: 2020年; 针对慕课教学成绩进行统计分析,并以某高校程序设计慕课课程的学生成绩为例,对慕课成绩、机考成绩与学生综合成绩的相关性进行实证研究,将数据变化规律可视化,提供相关慕课教学改革的建议。; 杨荣泰张晓丽杨春尧方娇莉朱贵富; 关键词：程序设计课程

基于TransformerEncoder-DR1DCNN的锂离子电池RUL预测: 2025年; 针对锂离子电池的剩余使用寿命(RUL)预测,提出了一种基于Transformer编码器层(TransformerEncoder)与深度残差一维卷积神经网络(DR1DCNN)相结合的预测方法。首先提取容量数据作为直接健康因子,并对容量数据进行归一化处理以消除数据量纲影响;接着使用滑动时间窗口机制构建容量时序序列数据,并划分训练集和测试集;然后采用TransformerEncoder捕捉容量时序序列全局各个位置之间的相关性以及序列长距离的依赖关系,使用DR1DCNN提取局部相邻数据间的关联关系。最后采用不同预测起点的多步预测方式以检验模型的有效性。以NASA公开的数据集进行实验,两组电池的均方根误差不超过2%,平均绝对误差不超过1.4%。并通过与其他文献的实验结果进行对比,验证了所提方法能够提前多步预测锂离子电池的RUL,以起到早期预警作用。; 王浩李亚王海瑞朱贵富; 关键词：多步预测锂离子电池

融合异构图神经网络的时间卷积知识追踪方法被引量：1: 2024年; 知识追踪任务旨在通过建模学生历史学习序列追踪学生认知水平,进而预测学生未来的答题表现.该文提出一个融合异构图神经网络的时间卷积知识追踪模型(Temporal Convolutional Knowledge Tracing Model with Heterogeneous Graph Neural Network,HG-TCKT),将知识追踪任务重述为基于异构图神经网络的时序边分类问题.具体来说,首先将学习记录构建成包含3种节点类型(学生,习题和技能),2种边类型(学生-习题和习题-技能)的异构图数据,异构图描述了学生交互记录中实体类型之间的丰富关系,使用异构图神经网络缓解交互稀疏的问题,引入异构互注意力机制捕捉不同类型节点间的交互关系,提取不同类型节点的高阶特征.将学生节点和习题节点表征拼接,构造边(学生-习题)的表征.最后,使用时间卷积网络捕捉学生历史交互序列的时序依赖关系从而进行预测.在2个真实教育数据集进行实验证明,HG-TCKT相比当前主流知识追踪方法有更好的预测效果.; 张文奇王海瑞朱贵富

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

朱贵富

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

朱贵富

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈